تمیز دادن مابین پروتئین های گرمادوست و میانه دوست بوسیله روش های الگوی تشخیصی (باز شناخت)

قیمت: 38,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

تمیز دادن مابین پروتئین های گرمادوست و میانه دوست بوسیله روش های الگوی تشخیصی (باز شناخت)

عنوان لاتین

Discrimination of thermophilic and mesophilic proteins via pattern recognition methods

چهار روش الگوی بازشناختی ، بنام های تجزیه و تحلیل اجزای اصلی (PCA) ، رگرسیون مرحله ای (SR) ، رگرسیون حداقل مربعات جزیی (PLSR) ، و شبکه عصبی بازگشتی ، بمنظور تمیز دادن پروتئین های گرمادوست و میانه دوست استفاده شده بودند. و چهار مدل بمنظور طبقه بندی مابین دو دو نوع از پروتئین ها ایجاد شده بودند. به همین اندازه ، پیش بینی صحت (دقت) روش ها ، بجز برای تجزیه و تحلیل اجزای اصلی ، تشویق شده بود. نتایج نشان داده است که میانگین صحت و دقت متناسب چهار روش به ترتیب برابر با ۹۲٪ ، ۹۶٪ و ۹۵٪ و ۹۸٪ بوده است. و میانگین قابلیت اطمینان پیش بینی به ترتیب برابر با ۶۰٪ ، ۶۷.۵٪ ، ۷۲.۵٪ و ۷۲.۵٪ بوده ، که بهترین پیش بینی با قابلیت اطمینان برای پروتئین های گرمادوست برابر با ۷۵٪ و برای پروتئین های میانه دوست برابر با ۸۵٪ بوده است.

Four pattern recognition methods, namely, principal component analysis (PCA), stepwise regression (SR), partial least-square regression (PLSR), and backpropagation neural network, were used to discriminate thermophilic and mesophilic proteins. And four models were made to classify between these two kinds of proteins. To some degree the prediction accuracy of the methods was encouraging except for principal component analysis. Results showed that the average fitting accuracy of the four methods was 92%, 96%, 95% and 98%, respectively. And the average prediction reliability was 60%, 67.5%, 72.5% and 72.5%, respectively, the best prediction reliability for thermophilic proteins was 75%, and for mesophilic proteins was 85%.